چکیده: حملات فیشینگ یکی از تهدیدات رایج در فضای مجازی است که مهاجمان با طراحی وب‌سایت‌های جعلی، کاربران را فریب داده و اطلاعات حساس آن‌ها را سرقت می‌کنند. تشخیص مؤثر وب‌سایت‌های فیشینگ چالشی مهم در حوزه امنیت سایبری محسوب می‌شود. در این پژوهش، روشی جدید برای شناسایی وب‌سایت‌های فیشینگ مبتنی بر ترکیب الگوریتم تفکیک‌کننده خطی فیشر (FLD) و شبکه عصبی بازگشتی دروازه‌ای مبتنی بر توجه (GARU) ارائه شده است. در مرحله اول، ویژگی‌های مؤثر بر تشخیص وب‌سایت‌های فیشینگ استخراج شده و با استفاده از الگوریتم FLD، زیرفضای بهینه‌ای از ویژگی‌ها انتخاب شده است، به‌گونه‌ای که تفکیک‌پذیری کلاس‌ها افزایش یابد. سپس، داده‌های کاهش‌یافته به یک مدل GARU مبتنی بر لایه‌های توجه داده شده و فرآیند طبقه‌بندی انجام شده است. روش پیشنهادی بر روی مجموعه داده‌ای از وب‌سایت‌های فیشینگ که از پایگاه داده Kaggle استخراج شده است، ارزیابی گردیده و نتایج نشان می‌دهد که مدل پیشنهادی با میانگین دقت 99.06% عملکرد بهتری نسبت به روش‌های مشابه دارد. این پژوهش گامی مؤثر در جهت بهبود امنیت کاربران در فضای مجازی و کاهش حملات فیشینگ ارائه می‌دهد.